人工智能 如何重新定義計算機

2021年的秋天，是南瓜、核桃派和琳瑯滿目的新手機的季節。每年這個時候，蘋果、三星、谷歌和其它廠商都會如約發布新機型。早些年，這一系列發布會總能帶來驚喜，但隨著它們變成消費科技日程中的固定環節，這種效應已經逐漸消退了。不過，在各種營銷手段背后，還是有些事情值得我們關注。

谷歌最新發布的Pixel 6是首款在主處理器外還單獨配置了人工智能專用芯片的手機。而過去兩年發布的iPhone用的芯片內建了蘋果所謂的“神經網絡引擎”，專為人工智能準備。這兩款芯片都更適用于在我們手中的設備上為訓練和運行機器學習模型而進行的計算，增強相機性能的人工智能就屬于這類模型。在我們幾乎沒有察覺的情況下，人工智能已經成了我們日常生活的一部分。

這意味著什么？怎么說呢，在此之前的四五十年間，計算機基本沒怎么變。它們變小了也變快了，但它們一直是執行人類指令的裝著處理器的小盒子。人工智能至少在3個方面改變了這種情況：制造方式、編程方式以及使用方式。有朝一日，計算機存在的意義也將發生變革。

英特爾并行計算實驗室的主任普拉迪普·杜比稱，“計算的核心正在從處理數字轉變為制定決策”。或者按照麻省理工計算機與人工智能實驗室主任丹妮拉·羅斯的說法，人工智能正在把計算機從它們的小盒子中解放出來。

欲速則不達

第一種變化關乎計算機及其控制芯片的制造方式。傳統上，計算機技術的進步得益于完成每次計算所需時間的越來越短。幾十年來，按照芯片制造的摩爾定律，其迭代一直是周期性的，世界也因此而受益。

但現在，驅動人工智能應用程序的深度學習模型所需的是另一種方式：其需要同時進行大量的、沒那么精確的計算。這就需要一種新的芯片：這種芯片能夠盡可能快地轉移數據，確保它在需要的時間和位置上是可用的。當深度學習在大約10年前迎來了自己的春天時，已經有非常擅長此類工作的計算機芯片存在了：那就是顯卡，也即GPU，它能以每秒數十次的速率顯示整屏的像素。

當下，像英特爾、ARM和英偉達這些曾經的顯卡大廠們都在試水人工智能專用硬件。谷歌和臉書也強勢進軍到這個產業中，一場在硬件中追求人工智能領域優勢地位的競賽已經拉開了帷幕。

例如，谷歌的Pixel 6搭載了新的移動設備版TPU。傳統芯片的努力方向是超快的精確運算，但TPU與之不同，它是為神經網絡所需的大體量低精度運算而設計的。從2015年開始，谷歌就在內部使用這種芯片了：它們負責處理圖像和自然語言搜索任務。DeepMind也用TPU來訓練其人工智能。

在過去兩年中，谷歌已經向其它公司提供了TPU，這些芯片以及其它公司開發的類似產品正在成為全球各個數據中心的標配。

人工智能甚至在幫助涉及其自身的計算基礎架構。2020年，谷歌用強化學習算法設計了新款TPU的布局。這個人工智能最終給出了一個奇怪的設計方案，人類根本不可能設計出這種東西，但這個方案是好用的。這類人工智能以后可能會開發出更好、更高效的芯片。

是騾子是馬，拉出來遛遛

第二種變化關乎計算機接收指令的方式。微軟英國研究主管畢肖普表示，過去40年中，我們一直在為計算機編程；而在未來40年里，我們則會對它們進行訓練。

過去，為了讓計算機做到識別語音或者在照片中辨認物體這類事情，程序員們首先要為計算機制定規則。

但有了機器學習之后，程序員再也不用制定規則了。相反，他們會創造能自行學習這些規則的神經網絡。這是一種根本不同的思維方式。

這方面的例子已經隨處可見了：語音和圖像識別現在是智能手機的標配。別的例子則成了頭條新聞，比如AlphaZero自學圍棋，結果比人類下得還好。類似的例子還有AlphaFold破解了人類花費數十年也沒能解決的生物學難題——它搞清楚了蛋白質折疊的模式。

對于畢肖普來說，下一個重大的突破將會是分子模擬：訓練計算機來操縱物質的特性，這有可能會在能源使用、食物生產、制造業和醫藥行業等領域實現改變世界的飛躍式發展。

計算機最知道

幾十年來，要想讓計算機完成一項任務，都需要鍵入指令，或者至少要按個按鈕。

但現在，機器不需要鍵盤或屏幕就能與人類進行互動了。任何東西都可以變成計算機。其實包括牙刷、開關和門鈴在內的大多數家居用品都推出了智能款。但隨著這類產品越發豐富，我們開始想讓控制它們的方式變得更簡單。它們應該能夠自行了解我們的需求。

在杜比眼中，這一從處理數字到進行決策的轉變定義了計算機的新時代。

羅斯希望我們對人工智能提供的認知與身體力行的支持。她設想了能在我們需要的時候向我們提供信息、并在我們需要幫助的時候及時伸出援手的計算機。羅斯說：“我小時候最喜歡的電影片段就是迪士尼的《魔法師的學徒》。你知道吧，米老鼠他召喚掃帚幫他打掃來著，他用的是魔法，但現在我們不用魔法就能做到這個。”